如果想知道大脑如何控制社交、探索、觅食和空间导航，一个长期存在的问题是：动物被实验设备限制时，我们看到的还是它原本的行为吗？

近日，《Nature Methods》的研究报道“A wireless modular platform for neuro-behavioral recording and closed-loop manipulation in small animals”，研究人员开发了一套名为 WILD（Wireless, Interactive, Lightweight Datalogger） 的无线模块化平台：它不仅能记录神经电活动，还能同步获取运动、瞳孔、超声叫声等信息，并在设备端运行机器学习模型，实时识别神经事件和行为，进一步触发闭环神经干预。

它试图解决的，并不只是“怎样把线去掉”，而是一个更重要的问题：我们能否在动物更加自然的行为状态下，同时观察大脑、行为和生理状态，并在事件发生的那一刻进行干预？

当一根线开始改变行为，实验本身就成了变量

现代神经科学已经能够同时记录大量神经元，也可以利用光遗传学（optogenetics）对特定神经元进行高时间分辨率的调控。

但很多技术依赖连接动物头部与外部设备的线缆。

在动物单独待在一个结构简单的实验箱里，这可能不是大问题。但如果研究的是追逐、求偶、打斗、群体互动，或者动物在几十米尺度环境中的导航，线缆就可能直接影响行为。

它可能限制头部转动，改变运动轨迹；多只动物同时活动时，线还可能缠绕。

这意味着一个方法学上的问题：实验装置不仅记录行为，也可能在改变行为。

无线设备似乎可以解决这个问题，但对于小鼠这样的动物，工程要求非常苛刻。

设备必须足够轻，同时又要容纳神经信号采集、电池、数据存储、无线通信和各种传感器。如果再要求实时算法分析和闭环刺激，功耗和计算资源都会迅速增加。

WILD试图把这些功能同时塞进一个可以由小鼠携带的系统中。

不到1.5克的设备里，到底装进了什么？

WILD的基础模块电路板尺寸约为 23.3 mm × 15.7 mm，设备本体重量低于 1.5 g。

但它提供了 64通道神经电信号记录，同时集成九轴惯性单元（inertial measurement unit，IMU）、超声麦克风、微型摄像头、本地microSD存储和蓝牙低功耗通信（Bluetooth Low Energy，BLE）。

其中，摄像头分辨率为 320 × 320像素，可以记录小鼠瞳孔变化，或者获取动物第一视角信息；超声麦克风则能够捕捉小鼠社交过程中发出的超声发声（ultrasonic vocalizations，USVs）。

无线通信距离最高可达到约 70 m。

更重要的是，这些数据并不是各自独立记录，而是能够进行时间同步。不同WILD设备之间的同步精度可以达到约 1 ms，因此研究人员能够同时记录多只动物，并把不同个体的神经活动、运动和社会互动放到同一条时间轴上分析。

对于群体行为研究，这一点尤其重要。

因为“谁先靠近谁”“谁发出叫声”“另一只动物的大脑在几十毫秒后发生了什么变化”，只有在时间高度同步的条件下才有分析意义。

无线的价值，不只是让小鼠跑得更自由

判断一种无线设备是否适合行为研究，不能只看它有多少通道或者多轻。

还要问：戴上它之后，动物的行为有没有明显变化？

研究人员比较了未植入设备的小鼠、佩戴WILD的小鼠和使用传统有线系统的小鼠。

结果显示，与有线条件相比，佩戴WILD的小鼠活动范围更大，运动距离更长，也表现出了更丰富的社会行为，包括嗅探、绕行、追逐和打斗等。

在运动距离方面，无设备小鼠与WILD小鼠之间差异并不显著；而WILD与有线条件之间存在显著差异。社会互动时间也呈现类似结果：WILD小鼠与未植入设备的小鼠更加接近，而有线系统对行为的影响更加明显。

例如，无设备与WILD条件下社会互动时间的比较为 P=0.62，而WILD与有线条件比较为 P=0.0249，经过多重比较校正后仍达到统计学显著水平。

头部运动的结果更加直观。

佩戴WILD的小鼠表现出更大的俯仰和翻滚活动范围，头部角运动能力也显著高于有线条件。

当然，这里的比较实验规模并不大。例如部分运动距离比较来自每种条件下仅数个实验场次，因此它更适合被理解为WILD“降低行为干扰”的验证证据，而不是对所有自然行为影响程度的最终定量结论。

一只小鼠发出叫声时，它的大脑正在经历什么？

WILD更有意思的地方，在于它把过去经常分开记录的信息放到了同一个系统中。

例如，小鼠在社会互动过程中会产生USVs。这些声音频率通常超出人类听觉范围，却携带着丰富的社交信息。

传统的顶部麦克风可以听到叫声，却很难确定群体中“到底是哪一只小鼠在叫”。

WILD把麦克风直接安装在动物头部。

研究人员分析了 969次USV，发现同一次叫声在发声者头部麦克风上的振幅明显更高，而另一只动物设备上的信号接近零。这使得群体研究中识别“发声者”成为可能。

与此同时，摄像头还在记录瞳孔，IMU记录身体运动，神经探针则记录海马（hippocampus）和外侧隔区（lateral septum，LS）的活动。

于是，一个社会行为可以同时拥有多条信息：

动物正在靠近还是嗅探？

瞳孔是否扩大？

是否正在发出USV？

海马CA1区的theta活动怎样变化？

CA1与外侧隔区之间的theta同步性是否发生改变？

这些信号放在同一时间轴上以后，研究人员开始看到不同社会行为对应的不同生理状态。

例如，“注视”（looking）伴随着CA1-LS theta同步增强和瞳孔扩大，但USV相对减少；“接近”（approaching）过程中，theta同步、瞳孔直径和USV都增加；而“嗅探”（sniffing）时，瞳孔直径下降、眼球活动增加，同时USV增加。

这说明我们平时笼统称作“社交”的行为，在神经和生理层面可能对应着完全不同的状态组合。

一个值得仔细看的结果：叫声、瞳孔和海马活动并不是简单的一条线

研究人员进一步分析了 4949次USV，发现USV发生率与瞳孔大小存在显著相关，相关系数为 r=0.131，P=1.47×10⁻⁴⁰。

这里有一个很值得注意的统计学细节。

P值极小，说明这种关联很难用随机波动解释；但 r=0.131本身并不代表很强的相关效应。

换句话说，瞳孔所反映的觉醒状态（arousal）与发声确实存在关系，但显然远不足以单独解释小鼠为什么在某一时刻发声。

这恰好体现了多模态研究的价值：复杂行为很少能够由一个指标完整解释。

更意外的结果来自海马。

小鼠在静止或低速运动时，海马通常容易出现锐波涟漪（sharp-wave ripples，SWRs）。但USV与SWR反而呈负相关。

与此同时，在匹配了低速、非社交互动等条件之后，USV发生期间CA1神经元的放电仍然显著升高。研究还发现，大约 40%的海马神经元在USV产生过程中被明显募集。

这提示：小鼠发声时，即使处于低速或静止状态，海马也可能进入一种区别于典型SWR状态的神经活动模式。

但这里更准确的表述应当是“相关联”而不是“证明海马产生了叫声”。记录数据可以揭示时间上的关联，要回答因果问题，还需要进一步干预。

而这恰好引出了WILD的下一项能力。

它不仅记录大脑，还能在事件发生的瞬间做出反应

所谓闭环神经调控（closed-loop neural manipulation），核心逻辑并不复杂：

困难在于整个过程必须足够快。

海马SWR通常只有约 50–100 ms，频率约 150 Hz。如果设备把数据传到外部电脑、分析以后再把命令传回来，通信延迟就可能成为问题。

WILD把部分计算直接放在动物携带的设备上。

它的底层神经信号处理延迟可以达到约 5 μs。针对更复杂的模式识别，研究人员将卷积神经网络（convolutional neural network，CNN）与门控循环单元（gated recurrent unit，GRU）结合，并通过TinyML部署到设备端。

神经模式识别准确率超过 90%，推理延迟低于 10 ms。

研究人员还专门测试了肌电信号（electromyogram，EMG）污染严重时的SWR识别。

仅依靠在线信号处理时，SWR识别的AUROC约为 0.717；加入TinyML去噪后提高到 0.844，差值具有显著统计学意义。

接下来，研究人员让设备实时检测SWR，一旦识别到事件，就立即发出短暂蓝光，通过光遗传刺激打断SWR。

结果显示，相应的SWR被抑制，与之相关的神经元放电也随之下降。

这一步非常关键。

从“事件发生时大脑有什么变化”，进一步走向“如果在事件发生的那一刻改变它，会发生什么”——研究问题由相关性开始转向因果性。

当实验场地从几十厘米变成38米，会看到什么？

WILD最令人印象深刻的实验之一，并不发生在传统实验室的小型迷宫中。

研究人员让 9只雄性C57小鼠生活在一个约 38 m × 15 m 的户外围栏中，持续 15天。

围栏中设置了9个食物资源区域，小鼠可以自由探索。研究团队利用超宽带定位（ultra-wideband，UWB）持续获取动物位置，同时记录海马神经活动。

结果出现了非常清楚的昼夜节律。

小鼠在日落前开始活跃，并在夜间保持较高活动水平。白天平均运动距离约为 6.20±0.71 m/h，夜间增加到 9.56±0.91 m/h，差异达到显著水平。

另一方面，小鼠白天拥有更多非快速眼动睡眠（non-rapid eye movement sleep，NREM）。

但一个看起来有些反常的现象出现了：

研究人员提出一种可能解释：夜间动物经历更多探索和新信息输入，短暂睡眠期间可能存在更活跃的记忆相关处理。

需要强调的是，这仍然属于基于数据提出的解释，而不是已经被这项实验直接证明的机制。

1636个位置细胞，把经典实验带进了更接近自然的环境

海马位置细胞（place cells）是空间认知研究中最经典的神经现象之一。

当动物位于环境中的特定位置时，一些海马神经元会选择性放电，由大量位置细胞共同构成空间信息表征。

过去，这类研究大量来自尺寸有限的实验迷宫。

而在这个38 m × 15 m的户外环境中，研究人员从9只小鼠中识别出了 1636个位置细胞。

有些细胞具有单一位置场（place field），有些具有多个位置场；空间信息量、位置场面积和空间选择性在细胞群体中表现出明显的异质性。

这个结果的重要性并不在于否定经典实验室研究。

相反，它提出了一个值得继续追问的问题：

WILD提供的是一种让这个问题变得可实验检验的工具。

这项研究最重要的变化，可能不是“无线”

如果只把WILD理解成一个更轻的无线电生理设备，可能低估了这项工作的意义。

它实际上把几个过去经常分开的技术模块放到了一起：

神经电生理记录、行为状态检测、瞳孔和声音采集、设备端机器学习、实时事件识别，以及光遗传闭环干预。

更重要的是，计算开始从实验室电脑向动物身上的设备转移。

这就是边缘计算（edge computing）在神经科学中的一种具体体现：不是把所有原始数据发送出去之后再分析，而是在数据产生的位置完成一部分判断。

这种设计可能改变未来实验的逻辑。

研究人员不必连续记录所有高带宽数据，而可以让设备根据动物是否运动、是否进入某种行为状态或者是否出现特定神经信号，决定什么时候进入高功耗记录模式。

这对于长期自然行为研究尤其重要。

但1.5克并没有解决所有问题

WILD仍然存在很现实的限制。

最直接的是续航。

在 64通道、20 kHz 的高带宽神经记录条件下，连续工作时间仍然主要受电池限制。该研究给出的典型配置中，约2.5 g、130 mAh的锂聚合物电池可以支持约 3小时高采样率记录；根据电池容量不同，高带宽连续记录总体约为 3–9小时。

如果进入约 1 mW 的低功耗模式，80 mAh电池理论运行时间可达到约 300小时，因此更现实的长期策略是根据行为状态在高功耗和低功耗模式之间切换。

设备端算力同样有限。

例如，目前复杂的实时图像处理仍然受到硬件资源约束，瞳孔信息可以被摄像头记录，但更复杂的分析仍需要离线完成。

此外，一些非常有吸引力的生物学结果来自较少数量的动物和实验场次。因此，该研究首先是一项技术平台与概念验证研究。它证明了这些实验“可以做”，但某些新发现本身仍需要更大样本和独立实验进一步验证。

或许更值得关注的是：我们过去研究的“行为”，有多少属于实验室环境？

WILD带来的一个更深层问题，并不是设备参数。

过去几十年，大量神经科学知识来自高度标准化的实验环境。标准化非常重要，因为它能够减少干扰、提高重复性，并帮助研究人员拆分复杂变量。

但标准化也意味着简化。

现实中的动物不会一直在一个几十厘米的盒子里独自完成任务。它们会寻找食物、躲避其他动物、建立社会关系、睡眠、醒来，在不同时间和空间尺度之间持续切换。

因此，未来的神经科学可能需要同时回答两类问题：

在严格控制的条件下，某条神经回路具有什么功能？

以及，当动物回到复杂环境中时，这套神经机制是否仍然按照我们熟悉的方式运行？

WILD的价值，就在于让第二类问题变得更容易被实验研究。

这可能才是这套不到1.5克的设备最值得关注的地方。

参考文献

Zhao Z, Chang H, Paudel P, Park J, Liu C, Aurelio MQ, Oliva A, Fernandez-Ruiz A. A wireless modular platform for neuro-behavioral recording and closed-loop manipulation in small animals. Nat Methods. 2026 Sep 10. doi: 10.1038/s41592-026-03220-9. Epub ahead of print. PMID: 42722790.

声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！